{"id":460269,"date":"2026-08-24T14:24:41","date_gmt":"2026-08-24T12:24:41","guid":{"rendered":"https:\/\/www.allaboutautomation.de\/?p=460269"},"modified":"2026-09-04T14:25:04","modified_gmt":"2026-09-04T12:25:04","slug":"ki-bekommt-einen-koerper-2","status":"publish","type":"post","link":"https:\/\/www.allaboutautomation.de\/de\/2026\/08\/24\/ki-bekommt-einen-koerper-2\/","title":{"rendered":"KI bekommt einen K\u00f6rper"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Physical AI oder auch Embodied AI sind Schlagworte, die gerade allerorts zu h\u00f6ren sind. Stark verbunden ist diese Form der k\u00fcnstlichen Intelligenz auch mit dem Hype des Jahres: humanoiden Robotern.<\/strong><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Physical und Embodied AI meint vor allem das: K\u00fcnstliche Intelligenz funktioniert nicht mehr als reine Software, wie z.B. ein g\u00e4ngiger Chatbot mit Large Language Model oder eine KI, die Codezeilen generiert (auch mittels LLM). Vielmehr haucht k\u00fcnstliche Intelligenz einer Maschine (einem Roboter) quasi Leben ein. Mithilfe der KI wird der Roboter bef\u00e4higt, seine Umgebung, die er \u00fcber die eingebaute Sensorik wahrnimmt, auch zielgerichtet zu interpretieren. Das hei\u00dft, er kann sich (\u00e4hnlich wie der Mensch) orientieren und auf die Umgebung reagieren bzw. mit ihr interagieren. Au\u00dferdem ist er mittels KI auch in der Lage, aus der Interaktion mit der Umwelt zu lernen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Noch menschen\u00e4hnlicher wird das Ganze, wenn wir diese Form der k\u00fcnstlichen Intelligenz in eine ganz besondere Maschine implementieren, in einen humanoiden Roboter. Dieser hei\u00dft logischerweise so, weil er in seiner Physiognomie (beim Roboter Kinematik genannt) dem Menschen frappierend \u00e4hnelt. Dies hat zweierlei Vorteile. Zum einen bewegt er sich wie ein Mensch durch seine zwei Beine, kann sich also auf unebenem Gel\u00e4nde bewegen und Treppen steigen. Mit seinen anthropomorphen H\u00e4nden kann er ebenso gut greifen wie der Mensch etc. Und zum anderen wirkt er durch sein menschliches \u00c4u\u00dferes weniger wie ein Ding, eine Maschine, sondern mehr wie ein Kollege, ein Ansprechpartner. Warum sonst sollte ein humanoider Roboter beispielsweise einen Kopf haben? Das \u201eGehirn\u201c ist im Brustkorb besser aufgehoben. Der Kopf dient nur der Akzeptanz durch den Menschen. Physical AI muss aber nat\u00fcrlich nicht zwangsl\u00e4ufig einen humanoiden K\u00f6rper haben. Hier ist jede andere Kinematik ebenso denkbar, wie z.B. ein Knickarmroboter, ein hundeartiger Roboter oder eine fahrende Plattform, ein AMR.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Aber zur\u00fcck zum \u201eGehirn\u201c des Roboters: Wann ist eine Maschine mit KI-Software Physical AI und wann handelt es sich \u201elediglich\u201c um digitale KI mit Sensorverarbeitung. F\u00fcr echte Physical AI m\u00fcssen einige Bedingungen erf\u00fcllt sein: Das intelligente System nimmt mittels Sensorik die reale Situation wahr. Es entscheidet autonom, welche Aktion in welcher Situation n\u00f6tig ist. Es f\u00fchrt diese Aktion auch aus (mittels Kinematik). Es lernt oder passt sich an \u2013 wenn die Umwelt oder Bedingungen sich \u00e4ndern, reagiert es entsprechend darauf. Ein \u201eschlichtes\u201c intelligentes KI-System mit Sensorverarbeitung hingegen w\u00fcrde entsprechend nur z.B. Bilder analysieren und Empfehlungen geben, aber nicht selbst handeln. Ein wichtiges Kriterium f\u00fcr Physical AI ist entsprechend der geschlossene Regelkreis (auch Control Loop, Closed-Loop Feedback oder Perception-Action-Cycle genannt).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Er beschreibt die dauerhafte Wechselwirkung zwischen Wahrnehmung, Entscheidung, Handlung und R\u00fcckmeldung aus der Umgebung. Damit kann ein Physical-AI-System adaptiv auf Ver\u00e4nderungen in seiner Umwelt reagieren \u2013 statt starr nach einem vorgegebenen Programm vorzugehen. Ein typischer Regelkreis bei Physical AI oder humanoiden Robotern umfasst:<\/p>

  1. Wahrnehmung
    Sie erfolgt mittels Sensorik (wie z.B. Kameras oder LiDAR). Rohdaten werden hier bereits vorverarbeitet. So entsteht ein ganzheitliches Bild der Umwelt.<\/li>
  2. Interpretation und Entscheidung
    Das System analysiert das Wahrgenommene im Kontext von definierten Zielen und Vorwissen. Jetzt werden m\u00f6gliche Reaktionen bewertet und Entscheidungen getroffen.<\/li>
  3. Handlung
    Die zuvor getroffene Entscheidung wird nun umgesetzt: Aktuatoren steuern Motoren an, der Roboterarm setzt sich in Bewegung, der Greifer greift zu, um eine konkrete physische Aktion auszuf\u00fchren.<\/li>
  4. Feedback und R\u00fcckmeldung
    Nachdem die Handlung ausgef\u00fchrt ist, liefert die Umwelt erneut sensorische Daten. Dieses Feedback wird genutzt, um festzustellen, ob das gew\u00fcnschte Ergebnis eingetreten ist.<\/li>
  5. Anpassung
    Auf Grundlage des Feedbacks passt die Physical AI ihr Verhalten an. Und der Regelkreis beginnt von Neuem.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Ein einfaches Beispiel f\u00fcr dieses theoretische Konstrukt w\u00e4re z.B. ein humanoider Roboter, der einen Becher aufheben und an einen anderen Platz stellen soll. Zun\u00e4chst erfasst der Roboter die Situation in Bezug auf den Becher (Wo steht er genau?\/Gibt es Hindernisse?) und in Bezug auf sich selbst (Wie steht der Roboter in Bezug zum Becher, welche Armstellung\/Greiferstellung liegt vor?). Dann interpretiert der Roboter die wahrgenommene Situation und trifft die Entscheidung, wie der Becher zu greifen ist. Er ermittelt den Greifpunkt sowie die Greifkraft und berechnet die Bahnplanung f\u00fcr den Roboterarm. Es folgt die Handlung. Der Becher wird gegriffen, zum Zielpunkt verbracht und wieder abgesetzt. Dabei stabilisiert der Roboter seinen K\u00f6rper, um nicht in der Bewegung umzukippen. Schlie\u00dflich analysiert er seine Umgebung erneut. Hat der Becher den Zielpunkt erreicht? Wurde er sicher gegriffen und nicht etwa besch\u00e4digt? Steht er sicher oder ist er nach dem Absetzen umgekippt? Erkennt der Roboter Abweichungen, passt er sein Verhalten an. Wurde der Becher zu stark zerdr\u00fcckt, passt er die Greifkraft an. Steht der Becher neben dem Zielpunkt, passt er die Bahnplanung an. Wurde der Becher gar verfehlt, passt er den Greifpunkt an. Der Zyklus beginnt von Neuem. Per Trial and Error lernt das System selbstst\u00e4ndig, bis das Ziel erreicht ist.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Angesichts der Komplexit\u00e4t dieses simplen Vorgangs, wird deutlich, dass noch eine ganze Menge Entwicklungsarbeit zu leisten ist, bevor humanoide Roboter tats\u00e4chlich den Platz eines Menschen in einer Fabrik oder im Haushalt einnehmen k\u00f6nnen und \u00fcber die oben beschriebenen F\u00e4higkeiten verf\u00fcgen. Aber die Fortschritte, die hier in den letzten Jahren gemacht wurden, sind beeindruckend und geschehen ausgesprochen schnell. Warten wir\u2019s ab.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Nun sind wir tief in die Regelkreise von Physical AI eingetaucht. Beim n\u00e4chsten Mal geht es um das Thema Ethik und Sicherheit in Bezug auf Robotik und KI. Bleibt also dran!<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t
    <\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t\t\n\t\t\t\t\t\"Picture\n\t\t\t\t<\/a>\n\t\t\t\n\t\t\t
    \n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t

    \n\t\t\t\t\t\t\tFrauke Itzerott\t\t\t\t\t\t<\/h4>\n\t\t\t\t\t<\/a>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t

    Frauke Itzerott ist Chefredakteurin des Fachmagazins ROBOTIK UND PRODUKTION beim TeDo Verlag und verantwortet dort die inhaltliche Ausrichtung eines der f\u00fchrenden deutschsprachigen Medien zu industrieller Robotik und Automatisierung.<\/p>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

    Physical AI oder auch Embodied AI sind Schlagworte, die gerade allerorts zu h\u00f6ren sind. Stark verbunden ist diese Form der k\u00fcnstlichen Intelligenz auch mit dem Hype des Jahres: humanoiden Robotern. Physical und Embodied AI meint vor allem das: K\u00fcnstliche Intelligenz funktioniert nicht mehr als reine Software, wie z.B. ein g\u00e4ngiger Chatbot mit Large Language Model […]<\/p>\n","protected":false},"author":1667,"featured_media":450159,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"none","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"both","_seopress_redirections_param":"","_seopress_redirections_type":301,"_seopress_analysis_target_kw":"","_seopress_news_disabled":"","_seopress_video_disabled":"","_seopress_video":[],"_seopress_pro_schemas_manual":[],"_seopress_pro_rich_snippets_disable_all":"","_seopress_pro_rich_snippets_disable":[],"_seopress_pro_schemas":[],"footnotes":""},"categories":[2136,2135],"tags":[],"edition":[],"class_list":["post-460269","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ki-maschinelles-lernen","category-robotik-mrk"],"_links":{"self":[{"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/posts\/460269","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/users\/1667"}],"replies":[{"embeddable":true,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/comments?post=460269"}],"version-history":[{"count":4,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/posts\/460269\/revisions"}],"predecessor-version":[{"id":468553,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/posts\/460269\/revisions\/468553"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/media\/450159"}],"wp:attachment":[{"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/media?parent=460269"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/categories?post=460269"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/tags?post=460269"},{"taxonomy":"edition","embeddable":true,"href":"https:\/\/www.allaboutautomation.de\/de\/wp-json\/wp\/v2\/edition?post=460269"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}